الحوسبة السحابية computing cloud ا ومع ً ىي تقنية جديدة في مجال الحوسبة الموزعة، ويت ازيد استخداميا يومي التطور الواسع ألنظمة الحوسبة السحابية وبسبب التعقيد المتزايد لألنظمة السحابية والحجم الكبير وضجيج البيانات. كل ىذا سبب زيادة احتمالية حدوث أعطال faults في ىذه األنظمة، مما قد يؤدي إلى حدوث أخطاء errors وينتج عنيا حاالت فشل failures شديدة الخطورة مثل إىدار الموارد وفقدان البيانات. وبالتالي، سيفقد مزودو الحوسبة السحابية مصداقيتيم. تقدم ىذه األطروحة نيجاً مقترحاً يوفر نموذجاً لتصنيف األخطاء ، ويقمل من تأثير الخطأ، ويوفر إمكانية لكشف األعطال في غضون فترة زمنية كافية من أجل ضمان موثوقية reliability وجودة الخدمة Quality service، وتقميل اليدر reducing ق waste ، وتحسين الدقة accuracy . لقد طُبِ النيج المقترح باستخدام منصتين األولى منصة OpenStack لبناء قاعدة البيانات وحقن األعطال فييا والثانية برنامج المحاكاة Colab Google ألجل تطبيق المعالجة المسبقة لمبيانات وبناء النموذج. يستخدم النيج تقنيات التعمم اآللي من خالل تطبيق عدد من الخوارزميات لمكشف عن األعطال Faults وتصنيف األخطاء Errors الناتجة عنيا. الخوارزميات التي اعتمد عمييا البحث في مرحمة الكشف عن األعطال ىي مصنف المتجو الداعم )SVC)، والغابة العشوائية )RF)، و الجار األقرب (KNN)، وشجرة القرار )DT)، واالنحدار الموجستي )LG). وأما في مرحمة التصنيف تم استخدام خوارزمية الجار األقرب Kmeans، و خوارزمية اليرمية التجمعية Agglomerative .Hierarchical تشير النتائج إلى أن دقة الكشف عن األعطال في النموذج المقترح باستخدام مصنف SVC دقيقة وفعالة بنسبة ٪79 مقارنة بالخوارزميات األخرى. كما أنيا قادرة أيضاً عمى التنبؤ باألخطاء الناتجة عن حاالت األعطال الحاصمة بدقة عالية وخالل فترة زمنية كافية من أجل ضمان موثوقية وجودة الخدمة لتقميل اليدر

يعد السرطان سبب ا الذي يهدد صحة اإلنسان، ا رئيسي للوفاة في جميع أنحاء العالم وهو الخطر األكثر شيوعا والتشخيص المبكر مطلوب للتشخيص المناسب ، وقد أظهرت العديد من الدراسات أن السرطان ناجم بشكل رئيس عن طفرات ضارة في الجينات المسرطنة األولية وجينات كبت الورم وجينات منظم دورة الخلية، مما يعزز التعرف على على المعلومات الجينية. على الرغم من أن العديد من الجينات التي تم العثور عليها لها دور رئيس في السرطان بناء حدوث السرطان وانتشار ه، إال أن اآلليات المسببة للطفرات الجينية والتفاعالت بين الجينات غير معروفة إلى حد كبير، لذا عد تحديد نوع السرطان أحد أفضل الحلول للكشف عن أم ارض السرطان وتحسين اقت ارح العالج الشخصي. ُ ي تقدم هذه الرسالة نماذج تصنيف تعتمد في بنيتها على توظيف تقنيات تعلم اآللة وتقنيات التعلم العميق في بيئة عمل TensorFlow بهدف تحديد نوع الخلية السرطانية بناء على بيانات ميثيل الحمض النووي، من منص تي البيانات k850 ,k،450 التي تم الحصول عليها من موقع جينوم أطلس السرطان TCGA Atlas Genome Cancer The. تم بناء ثالث مصن فات تستخدم الشبكات العصبية التالفيفية في أداء مهمة التصنيف، استخدم كل منها تقنيات التعلم اآللي، تحديدا Forest Random، لتقليص عدد السمات بهدف تقليل حجم البيانات وجعل التعلم تقنية الغابة العشوائية العميق قابال للتطوير، وقد حسنت هذه الخطوة دقة النموذج بشكل كبير. بلغت الدقة في النماذج الثالثة درجة عالية بلغت حتى .%95

تعد شبكات حساسات منطقة الجسم اللاسلكية WBAN حقلاً بحثياً هاماً وأحد أهم التطبيقات التكنولوجية الحديثة في المجال الطبي والرعاية الصحية عن بعد. لكنها ومن جانب آخر تتصف بأنها شبكات محدودة الموارد من حيث عدد الحساسات وحجمها، طاقة الإرسال المنخفضة، عرض المجال الترددي ونطاق الإرسال المحدود والبيئة اللاسلكية غير المثالية، والأهم من ذلك أن الحساسات تعمل باستخدام بطاريات محدودة السعة وغالباً ما تكون غير قابلة لإعادة الشحن ويزداد الأمر تعقيداً في حالات الحساسات مزروعة داخل الجسم التي يحتاج تبديلها عملاً جراحياً؛ لذا يعد استهلاك الطاقة مطلباً أساسياً وتحدياً من أبرز التحديات التي يجب مراعاتها عند تصميم هذه الشبكات وتطويرها، يحدث استهلاك الطاقة في WBAN بشكل عام في ثلاث مراحل: تحسس البيانات الحيوية، المعالجة ويكون الأعلى في مرحلة نقل البيانات، وتؤدي الكثير من العوامل في ظل محدودية الموارد هذه  إلى زيادة استهلاك الطاقة، حيث يمكن أن يؤدي التداخل نتيجة مشاركة النطاقات الترددية سواء مع شبكات WBAN أخرى (التداخل المتبادل) أو مع التقنيات اللاسلكية الأخرى (التداخل الخارجي) مثل (ZigBee,.. etc Bluetooth, Wi-Fi,) في النطاق الترددي المجاني نفسه ISM 2.4GHz إلى انخفاض الإنتاجية وجودة الخدمة وزيادة استهلاك الطاقة. لذلك من المهم جداً الحفاظ على استهلاكها منخفضاً بما يحقق أكبر قدر ممكن من الموثوقية وجودة الخدمة وغيرها من المحددات بما يتناسب مع التطبيق المستخدم، واختيار استراتيجية تحسين كفاءة الطاقة المناسبة ومن ثمَّ تحسين الأداء العام للشبكة؛ ولتحقيق ذلك نقدم في هذا البحث آليتين مختلفتين من آليات تحقيق كفاءة الطاقة، تتعلق الأولى ببروتوكولات التوجيه وتحسين أدائها؛ إذ يعد التوجيه الدقيق بهدف إرسال البيانات بسرعة وبشكل صحيح أحد الجوانب الأساسية التي ينبغي أخذها بعين الاعتبار، ويتحقق ذلك من خلال اختيار بروتوكول التوجيه الملائم للتطبيق إضافةً إلى تحديد الموقع الأمثل لعقدة المجمع، لذا سيتم في هذا البحث دراسة تغيير موقع عقدة المجمع في بروتوكول التوجيه SIMPLE وتأثير ذلك على كل من الإنتاجية، عمر الشبكة، الطاقة المتبقية، خسارة المسار والتأخير الزمني ومقارنتها مع حالة الموقع الأساسي، أظهرت النتائج تحسناً ملحوظاً في قيم الإنتاجية وعمر الشبكة والتأخير الزمني، بالإضافة إلى تحسين ضئيل في قيم الطاقة المتبقية وخسارة المسار. تركز المساهمة الثانية على آليات تخفيف التداخل وتحديداً التداخل بين WBAN وWi-Fi، حيث سيتم قياس مقدار استهلاك الطاقة في عقد هاتين الشبكتين لتقييم فعالية هذه الآلية من هذه الناحية إلى جانب فعاليتها من حيث الإنتاجية والتأخير الزمني؛ أظهرت النتائج أن آلية تخفيف التداخل المدروسة تخفض بشكل ملحوظ من استهلاك الطاقة بالنسبة لشبكة WBAN، لكنها ومن جانب أخر لم تحقق هذا التحسين عند Wi-Fi.

تُعدّ أنظمة المناعة الاصطناعية وخوارزمياتها من أكثر التقنيات المستخدمة في مجالات التصنيف، واكتشاف الكائنات والتعرف على النماذج، وذلك بناء على طبيعتها المستوحاة من نظام المناعة البشري، حيث استُخدمَت في تطوير عديد من المشكلات الموجودة في مجالات كثيرة وتحسينها، وذلك انطلاقاً من الدقة الموجودة لدى هذه الأنظمة. وفي هذا البحث استُخدمَت هذه الأداة لتطوير أداء الشبكة العصبونية الالتفافية، حيث تعدّ هذه الشبكات من أكثر الأدوات المستخدمة في عديد من المجالات والتطبيقات، لكنّ التعقيد الحسابي الذي تفرضه بنية الشبكة العصبونية الالتفافية يضع كثيراً من التحديات لدى استخدامها. 

يقترح البحث منهجية لتقليل خطأ التصنيف وزيادة الدقة في الشبكات العصبونية الالتفافية بالاعتماد على خوارزميات أنظمة المناعة الاصطناعية. 

ومن خلال مقارنة النتائج مع عدة نماذج سابقة ومع بنية النموذج الأساسية حققت هذه الخوارزمية أفضل دقة بين النماذج المختارة، وذلك استناداً إلى قاعدة البيانات Cifar10.

تتزايد الحاجة إلى وجود أنظمة حاسوبية ذات أداء وموثوقية أعلى، نظراً لتطوير تطبيقات ومهام متعددة عالية التعقيد، يتطلب تنفيذها إجراء عمليات حسابية ومعالجة بيانات ضخمة ضمن حدود زمنية صارمة، مما يستدعي الاهتمام بتطوير الحواسيب التفرعية وشبكاتها، إذ إنه من الممكن دمج عدد كبير من المعالجات تتشارك في مواقع ذاكرة واحدة وفق مخطط توصيل على شريحة واحدة، بهدف توزيع حمل المعالجة والقيام بالمهام على نحو مستقر. 

إنّ تطوير مخططات التوصيل يتم وفق مجموعة من معايير الأداء تهدف إلى تقييم سرعة الناقل وموثوقيته، إذ أن الموثوقية ترتبط بالأعطال، فقد اهتم البحث بدراسة تسامح العطل وإمكانية تطوير نظام تسامح العطل بالاعتماد على تكرار المعدات، وتأثير ذلك على معاملات الأداء الأخرى لمخطط التوصيل البيني كالكلفة وأبعاد الشبكة ودرجة العقدة وعلاقته بالموثوقية. 

يقدم هذا البحث دراسة في شبكات الربط في الأنظمة التفرعية ومعايير الأداء، وتقدم دراسة نموذجين من الشبكات وهما شبكة الفراشة وشبكة Benes. تُعدّ شبكة الفراشة من البنى المهمة في تنفيذ الدارات العالية التكامل (Very large scale integration (VLSI لتطبيقات شبكات الربط في الحوسبة التفرعية، حيث تمتلك العقدة عدداً محدداً من منافذ الإدخال/الإخراج أو ما يسمى bounded degree networks، وتضمن هذه البنية مساراً محققاً بين كل معالج وموقع ذاكرة من خلال عدة مراحل من المبدلات التي ترتبط بحجم الشبكة. 

ما يعيب الشبكات المبنية على مخطط الفراشة عدم إعطائها المستوى المطلوب من حيث تسامح العطل، باعتبار أن خطأ وحيداً في عقد التبديل أو في التوصيلات يؤدي الى حدوث فشل في الشبكة، أما شبكةBenes  فهي نوع من أنواع شبكات التوصيل عديمة القفل non-blocking, مما يعني أنها قدمت حلاً لمشكلة تعارض المسارات بين المعالجات والذواكر، من خلال عدد أكبر من المراحل البينية لمخطط التوصيل. 

تم الاعتماد في تقييم أداء الشبكتين على دراسة آلية التوجيه والربط في النموذجين وتحويله الى خوارزمية وتنفيذه باستخدام المكتبة Network-X باستخدام لغة بايثون، وقد شمل التقييم دراسة أداء الشبكات من خلال تسامح العطل وعدد الوصلات والكلفة ودرجة العقدة عند أحجام مختلفة للشبكات وموثوقية الطرفية.

إن شبكات VANET  (Network Hoc–Ad Vehicular  ( تعتبر  نوع مخصص من شبكات MANET وهي شبكة لامركزية و و منظمة ذاتياً. تتكون الشبكة من عدد كبير من العقد التي هي عبارة عن مركبات متنقلة و أبراج اتصال تسمى (Unit Side Road(RSU تتواجد على جوانب الطرق.

في هذا البحث كانت مهمتنا التنبؤ بزمن الإرسال الكلي من أجل تقليل تأخير الإرسال ضمن هذه الشبكات، حيث قمنا بعملية التنبؤ من خلال الشبكات العصبونية، ففي هذا البحث صممنا نموذج شبكة عصبونية قادر على التنبؤ بزمن الإرسال الكلي واعتمدنا على برنامج الماتلاب في عملية التصميم وإظهار النتائج، حيث أظهر النموذج المصمم كفاءته وحقق دقة عالية بلغت 92% .

أصبحت الشبكات اللاسلكية جزءاً أساسياً من المجتمع  الحديث حيث تتيح الاتصال ونقل البيانات بين الأجهزة ، ولكن مع زيادة حجم حركة المرور للشبكات اللاسلكية  وازدياد تعقيد قواعد البيانات الخاصة بها والتطور المتزايد للتطبيقات أصبحت الحاجة إلى خوارزميات التجميع وتصنيف البيانات أمراً ضرورياً ، حيث يلعب تصنيف أنواع حركة المرور على الشبكات دوراً مهماً في تحقيق الجودة والكفاءة لأداء الشبكات اللاسلكية. فاهتم البحث في دراسة تقنيات التعلم الآلي وخوارزمياته لتحقيق مفهوم تصنيف حركة المرور ودراسة أنماط حركة المرور المختلفة التي تحصل على الشبكة ، ويقدم البحث تحليلاً مقارناً لخوارزميات التعلم الآلي غير الخاضعة للإشراف ممثلاً بمقارنة أداء خوارزمية DBSCAN(Density-Based Spatial Clustering of Applications with Noise )   مع خوارزمية  K-means  المطبقة سابقاً في أحد الدراسات المرجعية المدروسة.

تم الاعتماد في تقييم أداء الخوارزميتين على دراسة آلية عمل وخطوات كل منها والبارامترات المرافقة  لتطبيقها لاختيار العدد المناسب من المجموعات للقيام  بعملية التصنيف والتجميع واعتماد خوارزمية RFE(Recursive Feature Elimination ) لاختيار العدد المناسب من أعداد الميزات الموجودة ضمن قاعدة البيانات باستخدام الأوامر والمكتبات المناسبة بلغة بايثون. وشمل التقييم دراسة أداء الخوارزميتين من خلال أنواع التطبيقات المستخدمة على الشبكة والوقت المستغرق وعرض حزمة النطاق الترددي لحزم البيانات المختلفة ونتيجة لدراستنا وبحثنا وجدنا أن خوارزمية DBSCAN  تتفوق في أدائها وفق البارامترات المدروسة على خوارزمية  K-means وتم اكتشاف أنماط حركة المرور المختلفة الحاصلة على الشبكة الأمر الذي يساعد في تحسين أداء الشبكة وتسهيل إدارتها.

يعتبر التصوير الطبي حاجة لا غنى عنها في مجال العناية الطبية و المعلومات الطبية. تعتبر صورة نبضات القلب الكهربائية (  ECG: Electrocardiography) هامة جداً في دراسة الحالات الطبية للقلب و تشخيص أمراض القلب لذلك لا بد من أن تكون هذه الصورة على قدر كافي من الدقة بحيث يتمكن الطبيب من التشخيص بشكل جيد. 

الهدف من البحث هو تحسين دقة صورة تخطيط القلب الكهربائية (ECG) و ذلك من خلال خوارزمية تقوم بتطبيق مرشح ترددات مرتفعة (HPF) أولاً من أجل التخلص من الإشارات غير المرغوبة و المحافظة على استقرار إشارة القلب ومن ثم تطبيق عتبة ذات قيم مختلفة من أجل تقرير عدد نبضات القلب لكل عينة مدروسة.   

في العقود الماضية كان هناك اهتمام متزايد بمناقشة ودراسة استخدام القناة الصوتية تحت الماء كطبقة مادية لأنظمة الاتصالات تحت الماء. كانت سلسلة من أوراق المراجعة متاحة بالفعل لتقديم تاريخ من تطور المجال حتى نهاية العقد الماضي. وتم اقتراح العديد من النماذج لنمذجة ومحاكاة عمل القناة الصوتية تحت الماء. ولكن إلى يومنا هذا لا يوجد نماذج محددة كما في الاتصالات الراديوية مثلاً. 

في هذا البحث قمنا بدراسة بارامترات القناة الصوتية والتي تعتبر كقيود مفروضة على الاتصالات الصوتية تحت الماء وذلك بسبب خصائص الماء الذي يعتبر وسط الانتشار، حيث توصلنا أنه لا يمكن استخدام ترددات بقيم كبيرة لأنها تؤدي إلى زيادة امتصاص الإشارة، ثم قمنا بدراسة مجموعة من النماذج العشوائية من أجل التوصل الى نموذج للقناة الصوتية تحت الماء. باستخدام برنامج الماتلاب Matlab قمنا بمحاكاة النموذج المقترح ودرسنا تأثير كل من المسافة والتردد على الإشارة. وتوصلنا إلى أن استخدام نموذج Rice بمعامل k=10 يعطينا أفضل النتائج بالنسبة لمعدل الخطأ في البت Bit Error Rateو نسبة الإشارة إلى الضجيج Signal To Noise Ratio . 

يعد السرطان من أكثر األمراض خطورة في العالم ويؤدي إلى وفاة الناس. بالرغم من إجراء العديد من األبحاث لتشخيص وعالج السرطان، إال أن آليته ال تزال غير واضحة. يعد االكتشاف المبكر للسرطان ضروريا ألن معظم األورام تحتوي على عدد كبير من الخاليا المريضة التي ربما تكون قد انتشرت بالفعل. هناك تقنيات تشخيصية مختلفة مثل التصوير الطبي وخزعة األنسجة وASILE( مقايسة الممتز المناعي حاليا لتشخيص السرطان في مرحلة مبكرة، ولكن تقنيات التشخيص هذه المرتبط باإلنزيم( التي يتم استخدامها تتطلب عمالة مكثفة وتستغرق وقتا طويال ومكلفة. لذلك، هناك حاجة ملحة لتطوير السرطان في مرحلة مبكرة وهو غير مكلف وسريع. النهج الجديد لتشخيص السرطان في الوقت الحاضر هو نظام الكشف القائم على النقاط الكمية )DQ )وهو تقنية سهلة واقتصادية وسريعة لتشخيص السرطان. النقاط الكمومية )DQQ )هي لكترونية تختلف عن الجسيمات األكبر جزيئات نانوية صغيرة من أشباه الموصالت لها خصائص بصرية وا حجما بسبب ميكانيكا الكم. تم تحديد العديد من المؤشرات الحيوية لتشخيص السرطان، وبالتالي، فإن طريقة التشخيص المعتمد على النقاط الكمومية باستخدام المؤشرات الحيوية هي الطريقة األكثر فعالية لتشخيص السرطان في مرحلة مبكرة. تتمتع النقاط الكمومية بخصائص صور فيزيائية فريدة وممتازة تجعلها مختلفة عن الطرق األخرى لتشخيص السرطان. يركز هذا البحث بشكل أساسي على تطوير تشخيص سرطان الدماغ باستخدام طريقة النقاط الكمية التكنولوجيا االقتصادية والسريعة لتشخيص السرطان.